Autor:

Rutkowski, Tomasz ; Łapa, Krystian ; Nielek, Radosław

Współtwórca:

Kulczycki, Piotr - ed. ; Kacprzyk, Janusz - ed. ; Kóczy, László T. - ed. ; Mesiar, Radko - ed.

Tytuł:

On explainable fuzzy recommenders and their performance evaluation

Podtytuł:

.

Tytuł publikacji grupowej:

AMCS, volume 29 (2019)

Temat i słowa kluczowe:

recommender systems ; explainable recommendations ; fuzzy systems ; Akaike information criterion

Abstract:

This paper presents a novel approach to the design of explainable recommender systems. It is based on the Wang?Mendel algorithm of fuzzy rule generation. A method for the learning and reduction of the fuzzy recommender is proposed along with feature encoding. Three criteria, including the Akaike information criterion, are used for evaluating an optimal balance between recommender accuracy and interpretability. Simulation results verify the effectiveness of the presented recommender system and illustrate its performance on the MovieLens 10M dataset.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Data wydania:

2019

Typ zasobu:

artykuł

DOI:

10.2478/amcs-2019-0044

Strony:

595-610

Źródło:

AMCS, volume 29, number 3 (2019) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Licencja CC BY 4.0:

kliknij tutaj, żeby przejść

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego